基于深度迁移学习理论含风电光伏系统的地区电网网损率计算

针对含风电光伏电力系统网损率计算的问题,提出一种基于深度迁移学习(transfer-deep boltzmann network-deep neural network,TDBN-DNN)的网损率计算模型。首先将训练好的深度学习模型作为源模型,并冻结深度置信网络(deep boltzmann network,DBN)特征提取层。然后定义了最大均值差异贡献数ri,迁移出与待计算数据分布更接近的样本数据,微调深层神经网络(deep neural network,DNN),得到基于TDBN-DNN的网损率计算模型。最后以中国北方某地区实际电网为算例进行验证,仿真结果表明,该DBN-DNN深度学习计算方法较传统浅层结构的BP(back propagation)神经网络计算方法拥有更好的非线性拟合能力。此外,经过迁移学习后得到的深度迁移学习TDBN-DNN模型拥有更高的计算精度与更好的时效性,而且该模型具有一定的数据容错性。